温室温度检测方法的研究

温室温度检测方法的研究

0温室内温度数据融合温室是指通过人工干燥时间，调节特定区域内的温度、湿度、照明设备、土壤水分、养分和co浓度等环境因素，以满足种植品种的生长需求。由于它不受地点、季节和外界气候的影响与限制,从而有效地改善农业生态、生产条件,促进农业资源的科学开发和合理利用,提高土地利用率、劳动生产率和社会与经济效益,因此在世界范围内得到了广泛的应用。我国的温室技术虽然取得了一定成果,但在温室环境监控方面与国外相比还存在差距。温室监控系统通常包括室内测量装置、调理板、计算机系统、通讯装置、执行控制设备和室外气象站,配有温室保温、遮荫、通风、加温及灌水等配套设施。研究表明,温室内的温度、湿度、光照和CO2浓度等对农作物有非常大的影响。因此,如何精确检测环境参数对促进作物良好生长、提高产品质量和数量具有重要的现实意义。数据融合就是利用计算机对各种信息源进行处理、控制和决策的一体化过程。在C3I中,它是利用计算机对若干传感器数据和信息进行检测、分类、互联、估计及综合,得出目标状态、属性估计、态势估计和威胁估计,以便决策。数据融合是利用多传感器系统信息的冗余性和互补性,相互验证传感器输出的有效性,综合各传感器输出,获得比单个传感器更全面、精确和可靠的环境信息。实验证明,对有限次测量数据进行数据融合处理,可以获得比采用算术平均值算法更准确的测量结果。温室内温度数据融合的目的是消除各温区温度测量中的不确定性,获得更准确与更可靠的测量结果,从而提高了测量的可靠性。当某一温区中的某个甚至数个传感器失效时,其它非失效传感器能不受影响并独立地提供信息,系统可以依据非失效传感器提供的信息获知各温区的准确温度。1疏失误差的清除温室内温度变化取决于温室的得热与热损失之间的热平衡情况,因此受多种因素综合影响。温度测量时,由于现场的突发干扰、传感器本身的性能和温室内其它因素的影响,不可避免要产生疏失误差,影响测量数据的一致性。因此,疏失误差在数据融合前必须剔除。当测量次数较少时,分布图法剔除疏失误差的准确性高。温度测量的分布图中反映数据分布结构的参数主要有中位数TM、上四分位数UF、下分位数FD和四分位数离散度DS。设某一温区各传感器独立测量得到由小到大的序列为1T、2T、……,8T,其中位数MT为疏失误差数据判断区间为即的测量数据是有效的、一致的,计算机将对其进行数据融合。这种疏失误差剔除方法有效地消除了温度测量中的随机干扰。2基于anesian-shafer推理的双通道数据通讯应用较多的数据融合方法有以下几种:1)统计模式识别法,其利用不同类型传感器提供不相关信息来提高决策的科学性;2)模糊逻辑法,它是用模型反映数据融合过程的不确定性,通过模糊推理来完成数据融合;3)Bayesian估计法,它是对各种传感器信息做相容性分析,剔除那些可信度很低的错误信息,对保留下来的信息进行Bayesian估计,求得最优的融合信息;4)Dempster-Shafer推理法,它是Bayesian估计法的改进,对未知特征没有赋予先验概率。研究表明,Bayesian估计法是最好的,本文采用此种方法。8个温度传感器经变送器变为标准的0~5V电压信号,设电压序列为1V、V2、……、8V,由于误差存在,实际测量值(即电压)为式中AiT—得到的观测结果;iA—已知常量;由Bayesian估计理论,得到n个温度测量数据的状态最优估计为由Bayesian定理得由于n次观测是相互独立的,则有由式(5)和式(6)得其中,为两个随机变量iT和iV之间的相关程度,即协方差。3温度融合值的计算8个温度传感器在同一时间对同一温区的温室温度进行测量,测试结果iT分别为16.1℃、18.2℃、23.4℃、19.4℃、21.3℃、29.7℃、15.9℃和2.6℃,则升序的测量序列为8T、7T、1T、2T、4T、5T、3T、6T,即2.6℃、15.9℃、16.1℃、18.2℃、19.4℃、21.3℃、23.4℃和29.7℃。平均值为T=188i=∑1iT=18.3℃。与温室实际温度20.0℃相比,测量真差为-1.7℃。由式(1)得MT=18.8℃可知,8T和6T为疏失误差值,应剔除。剩下的6个测量数据的平均值为6T=19.1℃,测量真差为-0.9℃。测量序列为有效的一致性数据,可参加数据融合。由式(9)计算出温度融合值为T(V)=19.5℃,融合值的真差为-0.5℃。由此可以看出:通过对温度的有限次测量,数据融合得到的测量结果比算术平均值结果更加接近真实值。4多传感器融合用于温室监控系统的数据控制本文提出的基于参数估计的多传感器数据融合算法,计算量小,编程简单,提高了测量的可靠性。利用本文的数据融合算法,借助计算机很强的智能信息处理与计算处理能力,提高了温室监控系统的检测精度。在温室三维空间典型位置上配置测温传感器,获得的温度信号转换为电压信号,经A/D采集卡转变为数字量存储到计算机中,计算机对送入的多传感器数据进行融合计算。与合适的控制算法配合起来,可提高系统的抗干扰能力,增强监控系统的鲁棒性。考虑到温室温度控制对象具有非线性时变、分布参数、大惯性纯滞后和多变量强耦合等特点,可采用自调整模糊-PID控制算法,运用神经网络、遗传算法、模糊推理与专家系